如何解决使用此方法无法可视化模型摘要中的辍学层
n_col = X_tr_ss.shape[1]
n_out = y_tr_ss.shape[1]
com_name = 'mlp'
dn_lyr = [256,128]
drp_out = [0.2]
actv_name = ['relu','relu']
n_patience = 5
n_epoch = 300
nd_lyr = len(dn_lyr)
in_lyr = k.layers.Input(shape=(n_col,),name = 'inpt_'+com_name)
re_lyr = k.layers.Dense(dn_lyr[0],activation=actv_name[0],name = 'hidden_1_'+com_name)(in_lyr)
dp_lyr = k.layers.Dropout(drp_out[0])(re_lyr)
if nd_lyr > 1:
dn_lyn = dn_lyr[1:]
ac_nm = actv_name[1:]
for i_lyr,nd in enumerate(dn_lyn):
re_lyr = k.layers.Dense(nd,activation=ac_nm[i_lyr],name = 'hidden_'+str(i_lyr+2)+ '_'+com_name)(re_lyr)
out_lyr = k.layers.Dense(n_out,name = 'out_'+com_name)(re_lyr)
model_mlp = k.models.Model(in_lyr,out_lyr)
model_mlp.summary()
型号:“ model_9”
图层(类型)输出形状参数#
inpt_mlp(InputLayer)(无,189)0
hidden_1_mlp(密集)(无,256)48640
hidden_2_mlp(密集)(无,128)32896
out_mlp(密集)(无,10554)1361466
总参数:1,443,002 可训练的参数:1,002 不可训练的参数:0
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。